Den Internationale Olympiske Komité tager AI-assisteret bedømmelse til sig. Teknologien lover større ensartethed og øget gennemsigtighed.
Men forskning peger på, at tillid, legitimitet og kulturelle værdier kan være mindst lige så vigtige som teknisk præcision.
I 2024 præsenterede IOC sin AI-dagsorden (Olympic AI Agenda), som placerer kunstig intelligens som et centralt element i fremtidens olympiske lege.
Visionen blev yderligere understreget på det allerførste Olympic AI Forum i november 2025, hvor sportsfolk, forbund, teknologipartnere og beslutningstagere diskuterede, hvordan AI kan understøtte bedømmelse, atleternes forberedelse og oplevelsen for publikum.
Ved Vinter-OL overvejer IOC at bruge AI som støtte i bedømmelsen af kunstskøjteløb, hvor systemerne kan hjælpe dommerne med præcist at fastslå antallet af rotationer i et spring.
Teknologien kan også blive taget i brug i discipliner som big air, halfpipe og skihop - ski- og snowboardkonkurrencer, som sammenkobler spring og luftakrobatik - hvor automatiserede systemer kan måle springhøjde og afsætsvinkler.
I takt med at disse systemer går fra at være eksperimentelle til at blive en del af hverdagen, bliver det afgørende at undersøge, hvad der kan gå rigtigt, og hvad der kan gå galt.
Bedømte sportsgrene og menneskelige fejl
I olympiske sportsgrene som gymnastik og kunstskøjteløb, der bedømmes af et panel af menneske-dommere, bliver AI i stigende grad præsenteret af internationale forbund og sportslige styrende organer som en løsning på problemer med bias, manglende ensartethed og begrænset gennemsigtighed.
Dommerne skal vurdere komplekse bevægelser, der udføres på brøkdele af et sekund, ofte fra ugunstige synsvinkler og time efter time.
Vurderinger efter konkurrencer viser, at utilsigtede fejl og uoverensstemmelser mellem dommeren langt fra er en undtagelse.
Det blev igen tydeligt i 2024, da en dommerfejl ved OL i Paris, som involverede den amerikanske gymnast Jordan Chiles, udløste stor debat.

I gulvfinalen fik Jordan Chiles i første omgang en score, der kun rakte til en fjerdeplads.
Hendes træner indgav derefter en protest med henvisning til, at et teknisk element ikke var blevet korrekt medregnet i sværhedsgraden.
Efter en gennemgang blev hendes score hævet med 0,1 point, hvilket midlertidigt placerede hende på bronzemedaljepladsen.
Den rumænske delegation protesterede dog mod afgørelsen og hævdede, at den amerikanske henvendelse var indgivet for sent; fire sekunder efter den tilladte frist på ét minut.
Skrøbelig tillid til dommerpaneler
Episoden tydeliggjorde både regelsættets kompleksitet, hvor svært det kan være for offentligheden at følge logikken bag dommerafgørelser, og hvor skrøbelig tilliden til menneskelige dommerpaneler kan være.
Der er også konstateret direkte snyd, og mange husker stadig dommerskandalen i kunstskøjteløb ved Vinter-OL 2002 i Salt Lake City.
Efter parløbet opstod der anklager om, at en dommer havde favoriseret et bestemt par til gengæld for et løfte om opbakning i en anden konkurrence, hvilket afslørede stemmebyttepraksis internt i dommerpanelet.
Det er netop som reaktion på sådanne episoder, at AI-systemer er blevet udviklet, blandt andet af Fujitsu i samarbejde med Det Internationale Gymnastikforbund, World Gymnastics.
Hvad AI kan løse i bedømmelsen
Vores forskning i AI-assisteret bedømmelse i idrætsgymnastik viser, at spørgsmålet ikke blot handler om, hvorvidt algoritmer er mere præcise end mennesker.
Dommerfejl skyldes ofte begrænsninger i den menneskelige opfattelse samt tempoet og kompleksiteten i elitepræstationer, hvilket gør AI attraktivt.
Men vores studie, som har inddraget dommere, gymnaster, trænere, forbund, teknologileverandører og fans, peger på en række indbyggede problemer.
AI kan nemlig blive for præcis og vurdere programmer med et detaljeringsniveau, der overstiger, hvad menneskekroppen realistisk kan udføre.
Hvor en menneskelig dommer visuelt vurderer, om en position er korrekt, kan et AI-system registrere, at vinklen på et ben eller en arm afviger med blot få grader fra det ideelle.
Resultatet kan være, at point bliver fratrukket for en ufuldkommenhed, som er usynlig for det blotte øje.
Selv om AI ofte fremstilles som objektiv, kan der opstå nye former for bias gennem design og implementering af systemerne.
Et algoritmesystem, der primært er trænet på mandlige præstationer eller dominerende stilarter, kan for eksempel utilsigtet komme til at straffe bestemte kropstyper.
Derudover har AI svært ved at forholde sig til kunstnerisk udtryk og følelser; elementer, der betragtes som helt centrale i sportsgrene som gymnastik og kunstskøjteløb.
Endelig lover AI større ensartethed, men den kan kun opretholdes gennem løbende menneskelig overvågning, hvor regler og systemer justeres i takt med, at disciplinerne udvikler sig.
Action-sports følger en anden logik
Vores forskning viser, at disse udfordringer er endnu mere udtalte i action-sports som snowboarding og freestyle-ski.
Mange af disse discipliner blev optaget på det olympiske program for at modernisere legene og tiltrække et yngre publikum.
Men forskere advarer om, at OL-optagelse kan accelerere kommercialisering og standardisering ofte på bekostning af kreativitet og disciplinernes egen identitet.
En skelsættende hændelse fandt sted i 2006, da den amerikanske snowboarder Lindsey Jacobellis mistede OL-guldet, efter at hun udførte et akrobatisk trick, hvor hun greb sit board i luften under et spring, mens hun førte finalen i snowboard cross.
Bevægelsen, som er anerkendt og hyldet i sporten, kostede hende i sidste ende guldet ved OL.
Episoden illustrerer tydeligt spændingen mellem action-sportenes ekspressive ethos og den institutionaliserede måde, præstationer bedømmes på i en olympisk kontekst.
AI-bedømmelse på prøve ved X Games
AI-assisteret bedømmelse tilføjer nye lag til denne problemstilling.
Tidligere forskning i halfpipe-snowboarding har allerede vist, hvordan bedømmelseskriterierne over tid kan være med til subtilt at forme præstationsstilen.
I modsætning til mange andre bedømte sportsgrene lægger action-sport særlig vægt på stil, flow og risikovillighed; elementer, som er særligt vanskelige at formalisere algoritmisk.
Alligevel blev AI afprøvet allerede ved X Games 2025, blandt andet under konkurrencerne i snowboard SuperPipe, som er en større version af halfpipe med højere vægge, der muliggør større og mere teknisk krævende spring.
Videokameraerne fulgte hver enkelt sportsudøver, mens AI analyserede optagelserne og genererede en uafhængig score for præstationen.
Systemet blev testet parallelt med den menneskelige bedømmelse, hvor dommerne fortsat stod for de officielle resultater og medaljer.
Forsøget havde dog ingen indflydelse på de endelige udfald, og der er ikke offentliggjort nogen sammenligning af, hvor tæt AI's vurderinger lå på de menneskelige dommeres.
Reaktionerne var da også påfaldende delte:
Nogle hilste større ensartethed og gennemsigtighed velkommen, mens andre advarede om, at AI-systemer ikke ved, hvordan de skal håndtere situationer, hvor en sportsudøver introducerer et helt nyt trick, hvilket ofte vægtes højt af både dommere og publikum.
Træning, præstation og fanoplevelsen
AI's indflydelse rækker langt ud over selve bedømmelsen.
I træningen er bevægelsessporing og præstationsanalyser i stigende grad med til at forme udvikling af teknikker og forebyggelse af skader og dermed også, hvordan sportsudøverne forbereder sig på konkurrencerne.
Samtidig forandrer AI fanoplevelsen gennem forbedrede replays, biomekaniske visualiseringer og forklaringer af præstationer i realtid.
Værktøjerne lover større gennemsigtighed, men de er også med til at forme den måde, præstationerne bliver forstået ved at lægge mere 'fortælling' omkring det, der kan måles, visualiseres og sammenlignes.
Målet med den olympiske AI-dagsorden er at gøre sport mere retfærdig, mere gennemsigtig og mere engagerende.
Men i takt med at AI integreres i bedømmelse, træning og fanoplevelsen, får teknologien også en diskret, men betydelig indflydelse på, hvad der defineres som toppræstationer.
Hvis erfarne dommere gradvist erstattes eller skubbes i baggrunden, kan konsekvenserne forplante sig ned gennem systemet og påvirke, hvordan dommere på lavere niveau uddannes, hvordan sportsudøverne udvikler sig, og hvordan sportsgrenene ændrer sig over tid.
Udfordringen for de olympiske sportsgrene er derfor ikke kun teknologisk, men også institutionel og kulturel: Hvordan undgår man, at AI udhuler de værdier, som giver hver enkelt sport mening og betydning?
Denne artikel er oprindeligt publiceret hos The Conversation og er oversat af Stephanie Lammers-Clark.




































